The invention provides a gyro random error compensation method and system based on Genetic Wavelet Neural network, which includes: determining the input and output of the wavelet neural network; training the weights and wavelet basis function coefficients of the wavelet neural network by gradient correction method; and further training the wavelet neural network by genetic algorithm. Weights and wavelet basis function coefficients are used in the wavelet neural network to establish the stochastic error model of gyroscope based on genetic algorithm and wavelet neural network, and the stochastic error model of gyroscope based on genetic algorithm and wavelet neural network is used to compensate the stochastic error of gyroscope. The method and system of the invention can compensate for the local analysis characteristics of the wavelet function by combining the global optimization characteristics of the genetic algorithm, unify the two, and then obtain the global optimization and take into account the local optimization characteristics, so as to effectively predict and compensate the random error of the gyroscope, thereby eliminating the error. Poor purpose.
【技术实现步骤摘要】
遗传小波神经网络的陀螺随机误差补偿方法及系统
本专利技术涉及惯性
,尤其涉及一种遗传小波神经网络的陀螺随机误差补偿方法及系统。
技术介绍
微惯性测量单元是一种对六维惯性参量进行集成的惯性测量组合器件,其采用MEMS传感器(MicroelectroMechanicalSystems,微机电系统)的设计方法和加工工艺,能够同时检测多轴加速度值与角速度值,因此器件的体积和质量都更加轻便,在各个领域中得到了广泛应用。导航系统和航姿系统的有效性主要取决于微机电系统-惯性测量单元(microelectromechanicalsystem-inertialmeasurementunit,MEMS-IMU)的精度,然而由于MEMS惯性器件自身结构和加工工艺的局限性,其输出存在信噪比低的弊端,导致导航精度低。MEMS惯性器件的随机漂移误差主要由随机性的干扰力矩产生,通常包括角度随机游走、量化噪声、零偏不稳定性等误差项。因此,对MEMS惯性器件的随机误差进行有效补偿对提高其精度、扩展MEMS惯导系统的应用范围具有十分重要的意义。小波神经网络(WaveletNeuralNetwork,WNN)是将小波变换和神经网络理论结合起来的一种神经网络,其思想是用小波函数作为网络中隐含层的激励函数,这样得到的网络具有更多的自由度和更灵活有效的函数逼近能力和较强的容错能力。利用小波函数作为网络中隐含层的激励函数,使得小波变换在时频域内既可对信号局部特征进行描述又兼顾神经网络所具有的自主学习和自适应等优点。小波分析理论是傅里叶分析方法的的发展与延拓,经过小波平移和伸缩变换处理,可实现在时 ...
【技术保护点】
1.一种遗传小波神经网络的陀螺随机误差补偿方法,其特征在于,包括:确定小波神经网络的输入量和输出量;通过梯度修正法训练小波神经网络的权值和小波基函数系数;通过遗传算法进一步训练小波神经网络的权值和小波基函数系数,用于小波神经网络,建立基于遗传算法与小波神经网络的陀螺随机误差模型;根据基于遗传算法与小波神经网络的陀螺随机误差模型对陀螺随机误差进行补偿。
【技术特征摘要】
1.一种遗传小波神经网络的陀螺随机误差补偿方法,其特征在于,包括:确定小波神经网络的输入量和输出量;通过梯度修正法训练小波神经网络的权值和小波基函数系数;通过遗传算法进一步训练小波神经网络的权值和小波基函数系数,用于小波神经网络,建立基于遗传算法与小波神经网络的陀螺随机误差模型;根据基于遗传算法与小波神经网络的陀螺随机误差模型对陀螺随机误差进行补偿。2.根据权利要求1所述的遗传小波神经网络的陀螺随机误差补偿方法,其特征在于,小波神经网络包含三层,分别是输入层、隐含层、输出层,隐含层与输入层、输出层之间分别有连接权值,传递函数为小波基函数,该小波神经网络的小波基函数为以下公式:其中,ψ(j)为隐含层第j个节点输出值,ωij为输入层和隐含层的连接权值,k为输入层节点数,I为隐含层节点数,bj为小波基函数的平移因子,aj为小波基函数的伸缩因子,ψ(x)取Morlet小波,小波神经网络的输出层公式如下:其中,y(k)为输出层第k个节点输出值,ωjk为隐含层到输出层权值,I为隐含层节点数,m为输出层节点数,ψ(j)为隐含层第j个节点输出值。3.根据权利要求2所述的遗传小波神经网络的陀螺随机误差补偿方法,其特征在于,小波神经网络的输入量为陀螺随机误差的预测时刻对应的前一时刻的陀螺随机误差值;小波神经网络的输出量为陀螺随机误差的预测时刻的陀螺随机误差预测值。4.根据权利要求3所述的遗传小波神经网络的陀螺随机误差补偿方法,其特征在于,通过梯度修正法训练小波神经网络的权值和小波基函数系数,具体实现如下:第一步,计算小波神经网络的预测误差其中,为期望输出值,y(k)为预测输出值,m为输出层的节点数;第二步,根据预测误差e更新小波神经网络的权值和小波基函数系数其中,n为隐含层节点数,和分别为更新前和更新后的小波神经网络的权值,和分别为更新前和更新后的小波神经网络的小波基函数系数,和分别为更新前和更新后的小波神经网络的小波基函数系数,η为学习速率。5.根据权利要求4所述的遗传小波神经网络的陀螺随机误差补偿方法,其特征在于,通...
【专利技术属性】
技术研发人员:刘贵生,李稚松,李殿赟,
申请(专利权)人:北斗航天卫星应用科技集团有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。